Question

我知道这里有几个类似的问题，但是似乎没有一个问题可以解决我遇到的确切问题。

set.seed(4)
df = data.frame(
  Key = c("A", "B", "A", "D", "A"),
  Val1 = rnorm(5),
  Val2 = runif(5),
  Val3 = 1:5
)

我想将键==“ A”的行的值列的值清零列名通过grep引用：

cols = grep("Val", names(df), value = TRUE)

在这种情况下，通常要实现我想要的功能，我会像这样使用data.table：

library(data.table)
df = as.data.table(df)
df[Key == "A", (cols) := 0]

所需的输出是这样的：

  Key      Val1       Val2 Val3
1   A  0.000000 0.00000000    0
2   B -1.383814 0.55925762    2
3   A  0.000000 0.00000000    0
4   D  1.437151 0.05632773    4
5   A  0.000000 0.00000000    0

但是这次我需要使用dplyr，因为我正在一个团队项目中，每个人都使用它。我刚刚提供的数据是说明性的，我的真实数据是> 5m行，其中有16个值列需要更新。我唯一能想到的解决方案是像这样使用mutate_at：

df %>% mutate_at(.vars = vars(cols), .funs = function(x) ifelse(df$Key == "A", 0, x))

但是，对于我的真实数据来说，这似乎非常慢。我希望找到一个更优雅，更重要的是更快的解决方案。

我尝试使用map进行许多组合，使用!!取消引用，使用get和:=（令人讨厌的是，它们可以被数据中的:=掩盖） .table）等，但是我认为我对这些工作原理的理解还不够深入，无法构建有效的解决方案。

Answer 1

使用此dplyr命令

df %>% mutate_at(.vars = vars(cols), .funs = function(x) ifelse(df$Key == "A", 0, x))

您实际上正在评估语句df $ Key ==“ A”，n次，其中n =您拥有的列数。

一种解决方法是预定义要更改的行：

idx = which(DF$Key=="A")
DF %>% mutate_at(.vars = vars(cols), .funs = function(x){x[idx]=0;x})

由@IceCreamToucan正确指出的一种更清洁，更好的方法（请参见下面的注释）是使用replace函数，同时向其传递额外的参数：

DF %>% mutate_at(.vars = vars(cols), replace, DF$Key == 'A', 0)

我们可以对所有这些方法进行测试，我认为dplyr和data.table具有可比性。

#simulate data
set.seed(100)
Key = sample(LETTERS[1:3],1000000,replace=TRUE)
DF = as.data.frame(data.frame(Key,matrix(runif(1000000*10),nrow=1000000,ncol=10)))
DT = as.data.table(DF)

cols = grep("[35789]", names(DF), value = TRUE)

#long method
system.time(DF %>% mutate_at(.vars = vars(cols), .funs = function(x) ifelse(DF$Key == "A", 0, x)))
user  system elapsed 
  0.121   0.035   0.156 

#old base R way
system.time(DF[idx,cols] <- 0)
   user  system elapsed 
  0.085   0.021   0.106 

#dplyr
# define function
func = function(){
       idx = which(DF$Key=="A")
       DF %>% mutate_at(.vars = vars(cols), .funs = function(x){x[idx]=0;x})
}
system.time(func())
user  system elapsed 
  0.020   0.006   0.026

#data.table
system.time(DT[Key=="A", (cols) := 0])
   user  system elapsed 
  0.012   0.001   0.013 
#replace with dplyr
system.time(DF %>% mutate_at(.vars = vars(cols), replace, DF$Key == 'A', 0))
user  system elapsed 
  0.007   0.001   0.008

在对特定行进行条件处理的同时动态地对多列进行突变

1 个答案: